近年來隨著人工智能的興起,基于神經(jīng)網(wǎng)絡等人工智能算法的建模方式在理論和解釋性上都已經(jīng)得到了很大的發(fā)展,并且已經(jīng)通過神經(jīng)網(wǎng)絡解決了一些實際應用中的問題,如:在計算機視覺、自然語言處理、工業(yè)檢測、時間序列預測等方面的成果正不斷涌現(xiàn)。然而,通用的神經(jīng)網(wǎng)絡模型難以在工業(yè)實際中大規(guī)模部署的一個重要原因是,在工業(yè)數(shù)據(jù)的采集過程中數(shù)據(jù)不確定性、部分真實性普遍存在,表現(xiàn)為數(shù)據(jù)中存在隨機性、模糊性以及不可預知性,導致模型在復雜工業(yè)環(huán)境中,尤其是存在多種擾動及不確定因素下模型的魯棒性不夠理想。因此,研究基于智能算法的魯棒性模型具有重要的理論意義和應用參考價值。Takagi-Sugeno（TS）模糊推理系統(tǒng)因其出色的解釋性、局部逼近能力以及相對精細化的網(wǎng)絡結構,近年來基于TS模糊邏輯的神經(jīng)網(wǎng)絡是應用最為廣泛的模糊神經(jīng)網(wǎng)絡建模方式。本文基于TS模糊邏輯的魯棒自組織神經(jīng)網(wǎng)絡架構,通過改進模型的結構及計算方式依次為TS型模糊神經(jīng)網(wǎng)絡在工業(yè)分類檢測與回歸預測中的三個熱點應用問題提供了魯棒模型及其算法實現(xiàn),并通過兩個工業(yè)實際應用來驗證算法的魯棒性。具體研究內(nèi)容如下:（1）針對工業(yè)分類檢測中正常工況下由于離群樣本產(chǎn)生的... 

【文章來源】：江南大學江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

正庚烷和酒精燈燃燒的采樣信號

第三章基于TS型模糊神經(jīng)網(wǎng)絡的魯棒檢測模型23圖3-4正庚烷和酒精燈燃燒的采樣信號圖3-5蠟燭燃燒和電烙鐵的采樣信號圖3-6手機燈和自然光照射的采樣信號為了得到更優(yōu)良、穩(wěn)定的火焰識別效果，對時域內(nèi)的信號依次進行了如下預處理：(1)首先將采集到4.3微米通道的時域信號減去基準電壓(2V)，之后每200個采樣

第三章基于TS型模糊神經(jīng)網(wǎng)絡的魯棒檢測模型23圖3-4正庚烷和酒精燈燃燒的采樣信號圖3-5蠟燭燃燒和電烙鐵的采樣信號圖3-6手機燈和自然光照射的采樣信號為了得到更優(yōu)良、穩(wěn)定的火焰識別效果，對時域內(nèi)的信號依次進行了如下預處理：(1)首先將采集到4.3微米通道的時域信號減去基準電壓(2V)，之后每200個采樣

【參考文獻】：
期刊論文
[1]基于正則化卷積神經(jīng)網(wǎng)絡的目標跟蹤算法[J]. 張海波.  信息技術. 2019(06)
[2]基于LASSO回歸的紅外火焰探測器的設計與實現(xiàn)[J]. 譚勇,謝林柏,馮宏偉,溫子騰.  激光與紅外. 2019(06)
[3]四波段紅外火焰探測器的識別算法設計與實現(xiàn)[J]. 馮宏偉,謝林柏.  紅外技術. 2018(05)
[4]基于自組織遞歸模糊神經(jīng)網(wǎng)絡的PM2.5濃度預測[J]. 周杉杉,李文靜,喬俊飛.  智能系統(tǒng)學報. 2018(04)
[5]基于改進K均值聚類的異常檢測算法[J]. 左進,陳澤茂.  計算機科學. 2016(08)
[6]神經(jīng)網(wǎng)絡七十年:回顧與展望[J]. 焦李成,楊淑媛,劉芳,王士剛,馮志璽.  計算機學報. 2016(08)
[7]基于SOTSFNN的溶解氧濃度控制方法[J]. 喬俊飛,付文韜,韓紅桂.  化工學報. 2016(03)
[8]基于改進聚類分析的網(wǎng)絡流量異常檢測方法[J]. 李洪成,吳曉平,姜洪海.  網(wǎng)絡與信息安全學報. 2015(01)
[9]改進型T-S模糊神經(jīng)網(wǎng)絡風電功率預測模型的研究[J]. 張維杰,田建艷,王芳,張曉明,韓肖清,王鵬.  自動化儀表. 2014(12)
[10]改進的T-S模糊神經(jīng)網(wǎng)絡用于生化需氧量的軟計算（英文）[J]. 喬俊飛,李微,韓紅桂.  Chinese Journal of Chemical Engineering. 2014(Z1)

博士論文
[1]復雜場景下基于深度學習的魯棒性語音識別的研究[D]. 屠彥輝.中國科學技術大學 2019
[2]面向農(nóng)作物葉片病害魯棒性識別的深度卷積神經(jīng)網(wǎng)絡研究[D]. 曾偉輝.中國科學技術大學 2018
[3]基于深度學習的網(wǎng)絡流量分類及異常檢測方法研究[D]. 王偉.中國科學技術大學 2018
[4]核電站設備狀態(tài)無線監(jiān)測系統(tǒng)魯棒性數(shù)據(jù)通信與處理研究[D]. 鄧昌建.電子科技大學 2015
[5]基于多元時間序列的關聯(lián)分析及預測方法研究[D]. 李德才.大連理工大學 2012
[6]離群檢測及其優(yōu)化算法研究[D]. 楊鵬.重慶大學 2010
[7]入侵檢測的神經(jīng)網(wǎng)絡方法[D]. 劉貴松.電子科技大學 2007

碩士論文
[1]基于改進RNN及密度聚類的異常流量檢測方法[D]. 曾霄笑.北京郵電大學 2019
[2]多模態(tài)數(shù)據(jù)融合與傳輸關鍵技術研究[D]. 倪雪婷.電子科技大學 2019
[3]基于尖峰自組織模糊神經(jīng)網(wǎng)絡的短期需水量預測[D]. 張力.北京工業(yè)大學 2018
[4]基于自組織二型模糊神經(jīng)網(wǎng)絡的污泥膨脹智能診斷[D]. 陳治遠.北京工業(yè)大學 2018
[5]基于交替方向乘子算法的l1正則化極限學習機的算法研究[D]. 劉知音.北京化工大學 2018
[6]非均衡缺失數(shù)據(jù)的神經(jīng)網(wǎng)絡建模及其應用[D]. 周新民.南京航空航天大學 2018
[7]基于RVFLNs的數(shù)據(jù)驅動多元鐵水質量參數(shù)魯棒建模[D]. 呂友彬.東北大學 2017
[8]基于離群點檢測的在線軟測量方法研究[D]. 王春鵬.中國石油大學(華東) 2014
[9]三波段紅外火焰探測器的研究與開發(fā)[D]. 袁積德.浙江大學 2012
[10]幾種魯棒的智能建模新方法及其應用研究[D]. 張榮.江南大學 2012



本文編號：3074676